摘要：针对k阶近邻法分类时对样本的潜在结构信息未加利用这一缺陷，扩展k阶近邻法采用模式发现算法获取样本的空间分布知识，以获得的知识取代原始样本实现未知样本的分类。算法有效剔除了不利于分类的干扰样本，提高了分类精度和速度。在基于稳态运行信息的暂态稳定评估算法中，应用扩展k阶近邻法，实现了各种方式下稳定水平的正确判别。仿真结果验证了算法的有效性。算法作为一种通用的知识获取工具有广泛的应用前景。

关键词：稳定评估 扩展k阶近邻法 模式发现 特征选择 知识获取 

单位：华南理工大学电力学院 广东省广州市510640